Análisis Exploratorio de los Datos del Dataset GlobalTerrorism

Integrantes: Jorge Efrén Flores Ordóñez, Daniel Alejandro Tinizaray Ordóñez

# Seaborn for easier visualization
import seaborn as sns
import pandas
import numpy as np
import matplotlib.pyplot as plt
import plotly.graph_objects as go
import plotly.express as px

df = pandas.read_csv('data/terrorism_2019.csv', index_col=0)

c:\users\wow80\appdata\local\programs\python\python39\lib\site-packages\IPython\core\interactiveshell.py:3165: DtypeWarning: Columns (4,25,27,39,40,41,46,60,62,70) have mixed types.Specify dtype option on import or set low_memory=False.
  has_raised = await self.run_ast_nodes(code_ast.body, cell_name,

Leemos una muestra del dataframe

df.head(5)

	iyear	imonth	iday	approxdate	country	country_txt	region	region_txt	provstate	city	...	property	propextent	propextent_txt	propvalue	ishostkid	nhostkid	hostkidoutcome	hostkidoutcome_txt	nreleased	related
eventid
197000000001	1970	7	2	NaN	58	Dominican Republic	2	Central America & Caribbean	National	Santo Domingo	...	0	0	NaN	0	0	0	0	NaN	0	0
197000000002	1970	99	99	NaN	130	Mexico	1	North America	Federal	Mexico city	...	0	0	NaN	0	1	1	0	NaN	0	0
197001000001	1970	1	99	NaN	160	Philippines	5	Southeast Asia	Tarlac	Unknown	...	0	0	NaN	0	0	0	0	NaN	0	0
197001000002	1970	1	99	NaN	78	Greece	8	Western Europe	Attica	Athens	...	1	0	NaN	0	0	0	0	NaN	0	0
197001000003	1970	1	99	NaN	101	Japan	4	East Asia	Fukouka	Fukouka	...	1	0	NaN	0	0	0	0	NaN	0	0

5 rows × 76 columns

¿Qué ciudades han sido atacadas en un determinado país o territorio?

# Entrada del nombre del país requerido
nombreDelPais = input()

# Crear un nuevo DataSet con paises y ciudades agrupados
# Selección múltiple de filas o columnas mediante posición con iloc
dfPaisesCiudades = df.iloc[:,[5, 9]]

# Guardamos la condición
is_country = dfPaisesCiudades.loc[:, 'country_txt'] == nombreDelPais

# Filtramos el pais del df
dfPaisFiltrado = dfPaisesCiudades.loc[is_country]
agrupadoPaises = dfPaisesCiudades.groupby(['country_txt', 'city'])

# print(agrupadoPaises)
agrupadoPaises.first()

# for i in agrupadoPaises:
    # print(i)
    #if (i['country_txt']  == nombreDelPais):
    #    print(i)

# Aquí podemos utilizar un list para convertir a lista todos los valores únicos de las columnas elegidas
#print(list(df['country_txt'].unique()))
#print(list(df['city'].unique()))
#print(list(df['weaptype1_txt'].unique()))

Afghanistan

country_txt	city
Afghanistan	Aab Frosha
	Aab Kalan
	Aab Kamra
	Aab Pashak
	Aab-e-Kalan
...	...
Zimbabwe	Somabhula
	Trenance
	Unknown
	Victoria Falls
	Zaka District

43963 rows × 0 columns

Histogramas del DF

# Mediante histogramas podemos analizar cada una de las columnas
df.hist(figsize=(50,50), xrot=-45, grid=True)
plt.show()

¿Que tipo de armas se utilizan principalmente en cada ataque?

# Impresión de las armas registradas en el dataset y la cantidad de veces que fueron utilizadas como arma principal

print(df['weaptype1_txt'].value_counts(sort=False)) # Tabla de frecuencias de la variable 'smoker'

Firearms                                                                        64923
Vehicle (not to include vehicle-borne explosives, i.e., car or truck bombs)       170
Fake Weapons                                                                       33
Sabotage Equipment                                                                175
Melee                                                                            4115
Unknown                                                                         18462
Other                                                                             134
Chemical                                                                          344
Biological                                                                         36
Incendiary                                                                      12445
Explosives                                                                     100333
Radiological                                                                       13
Name: weaptype1_txt, dtype: int64

¿Existe vaciación en el uso de armas a lo largo del tiempo?

# Agrupamos por año
dfAgrupadoAgno = df.groupby('iyear').mean()

# 


dfAgrupadoAgno.head()

# for i in dfAgrupadoAgno:
    # print(i)

	imonth	iday	country	region	crit1	crit2	crit3	doubtterr	alternative	multiple	...	weapsubtype4	nkill	nkillter	nwound	property	propextent	ishostkid	nhostkid	hostkidoutcome	nreleased
iyear
1970	6.155146	17.158218	214.846390	2.423963	0.998464	1.000000	0.963134	0.310292	0.339478	0.136713	...	0.0	0.267281	0.023041	0.325653	0.233487	1.963134	0.079877	1.465438	0.136713	0.990783
1971	5.910828	17.254777	272.804671	4.229299	1.000000	0.995754	0.866242	0.428875	0.259023	0.057325	...	0.0	0.367304	0.008493	0.174098	0.369427	1.770701	0.057325	0.127389	0.080679	0.095541
1972	7.102113	18.176056	387.619718	6.955986	1.000000	0.984155	0.762324	0.380282	0.288732	0.161972	...	0.0	0.996479	0.031690	0.720070	0.357394	0.697183	0.051056	0.531690	0.137324	0.531690
1973	6.596195	17.190275	322.634249	6.181818	1.000000	0.972516	0.826638	0.475687	0.253700	0.031712	...	0.0	0.782241	0.044397	1.046512	0.395349	0.716702	0.186047	0.767442	0.272727	0.380550
1974	6.965577	16.800344	300.022375	5.993115	0.998279	0.986231	0.912220	0.354561	0.177281	0.060241	...	0.0	0.927711	0.037866	1.488812	0.531842	0.969019	0.227194	0.476764	0.182444	0.098107

5 rows × 38 columns

¿Han aumentado el número de ataques los últimos años?

# Gráfica para poder observar la cantidad de ataques que se han registrado con el pasar de los años en 50 años
df['iyear'].plot.hist(figsize=(10,12))

<AxesSubplot:ylabel='Frequency'>

En esta gráfica podemos observar como la cantidad de ataques terroristas se incrementaron en gran medida las últimas 5 décadas.

Gráficas con el número de muertes registradas

counts, bins = np.histogram(df['nkill'], bins = range(-1,9,2))
plt.plot(bins[:-1]+1, counts)

[<matplotlib.lines.Line2D at 0x2e50f0a93a0>]

¿Qué paises se ven más afectados por los ataques terroristas?

#Countrywise order of top 25 Hot Zones Across the world.
fig=plt.figure(figsize=(20,12))
sns.barplot(x= df['country_txt'].value_counts()[0:25].values, y=df['country_txt'].value_counts()[0:25].index,palette='hot')
plt.title("Zonas mas afectadas",size=18)
plt.xlabel("No. de Ataques ",size=12)
plt.ylabel("País",size=12)
plt.show()

En esta gráfica analizamos los paises los cuales han tenido la mayor cantidad de ataques terroristas en todos los 50 años de registro. Y como podemos apreciar, el país de Iraq es el más afectado por ataques terroristas, después de este viene Afghanistán y Pakistán.

¿Qué regiones se ven más afectadas por los ataques terroristas?

data = df.groupby("region_txt")['region_txt'].value_counts()
fig=plt.figure(figsize=(18,10))
labels = data.keys()
plt.pie(x=data, autopct="%.1f%%",explode=[0.05]*12, labels=labels, pctdistance=0.5)
plt.title("Porcentaje de Ataques terroristas en las regiones", fontsize=14);

Como se puede constatar con la gráfica de mayor cantidad de ataques terroristas por páis, la región con mayor incidencia de ataques es el sur de Asia, norte de África y el Este Medio.

¿Los ataques se llevan a cabo exitosamente la mayoria de los casos?

sns.countplot(y='success', data=df)
# 1 = Ataque exitoso

<AxesSubplot:xlabel='count', ylabel='success'>

La mayoría de veces, los ataques terroristas son exitosos.

¿Cuales son los grupos terroristas mas activos?

fig=plt.figure(figsize=(20,10))
sns.barplot(x = df['gname'].value_counts()[1:11].values,y = df['gname'].value_counts()[1:11].index,palette='magma')
plt.yticks(size=15)
plt.xlabel("No. de ataques",size=12)
plt.ylabel("Grupo terrorista",size=12)
plt.title("Organizaciones terroristas más activas",size=20)
plt.show()

Esta gráfica nos muestra los grupos terroristas que representan una enorme amenaza por su gran actividad terrorista con ataques alrededor del mundo, en el primer puesto tenemos al grupo Talibán, el cual tiene a su cargo una enorme cantidad de ataques adjudicados, después está el grupo ISIS y en tercer puesto el grupo Sendero Luminoso (SL).

d = df[['targtype1_txt','iyear']].groupby(['targtype1_txt','iyear']).size()
new_df = d.to_frame(name='size').reset_index()

fig=plt.figure(figsize=(20,8))
for i in df['targtype1_txt'].value_counts()[:6].index:
    plt.plot(new_df['iyear'][new_df['targtype1_txt']==i],new_df['size'][new_df['targtype1_txt']==i])

plt.legend(labels= df['targtype1_txt'].value_counts()[0:6].index)
plt.xlabel('Años',size=15)
plt.ylabel('Número de ataques',size=15)
plt.title('Principales objetivos de las organizaciones terroristas a lo largo de los años',size=20)
plt.show()
fig.savefig('Principales objetivos de las organizaciones terroristas a lo largo de los años',bbox_inches='tight')

¿Que tipo de ataques son los más frecuentes y cuales son las armas preferidas?

fig,axes=plt.subplots(figsize=(20,8),nrows=1,ncols=2)

plt.yticks(size=12)
plt.xticks(size=12)
sns.barplot(x = df['attacktype1_txt'].value_counts().values, y= df['attacktype1_txt'].value_counts().index,ax=axes[0],palette='hot')
axes[0].set_title("Tipos de ataques",size=18)

sns.barplot(y= df['weaptype1_txt'].value_counts()[:5].values, x= df['weaptype1_txt'].value_counts()[:5].index,ax=axes[1],palette='magma')
axes[1].set_title("Tipo de armas utilizada",size=18)

plt.tight_layout()
plt.show()

Los tipos de ataque que más frecuentan los grupos terroristas para efectuar sus ataques son los ataques explosivos, de estos son los que más son llevados a cabo y por lo tanto la mayor cantidad de tipos de armas que se usan son explosivas. Pero en la siguiente gráfica vamos a ver cual es la gráfica que más muertes provoca, es decir la más mortífera en un ataque.

dw = df.groupby(['weaptype1_txt','weaptype1_txt'])[['nkill']].max()
a = ['Biological', 'Chemical', 'Explosives', 'Fake Weapons', 'Firearms', 'Incendiary', 'Melee', 'Other', 'Radiological', 'Sabotage Equipment' ,'Unknown' ,'Vehicles']
b = list(dw['nkill'].unique())

fig = px.bar(
    data_frame=dw,
    x=a, y=b, text=b, labels={'y':'Cantidad de muertos en un solo ataque', 'x': 'Tipo de Arma'},
    title='Tipos de Armas más mortíferas utilizadas'
)
fig

Número de muertes en la India, debido a armas explosivas en todas sus ciudades

c = df.copy()
c = c[c['country_txt'] == 'India']
c = c[c['weaptype1_txt'] == 'Explosives']
c = c[c['doubtterr'] == 0]
c = c[c['iyear'] >= 2010]
p5 = c['city']
t5 = c['nkill']
g5 = px.treemap(c, labels=p5, values=t5, path=['city'])
g5.show()

Como ya se pudo ver, el país con una gran cantidad de ataques que causó gran impresión es la India, y aquí podemos ver la enorme cantidad de ataques en sus diferentes ciudades de las cuales ha sido víctima, y más concretamente vamos a ver las ciudades con más ataques de la India.

c = df.copy()
c = c[c['country_txt'] == 'India']
c = c[c['weaptype1_txt'] == 'Explosives']
c = c[c['doubtterr'] == 0]
c = c[c['iyear'] >= 2010]
c1 = c.sort_values('city')
c1 = c1[:200]
p5 = c1['city']
t5 = c1['nkill']
g5 = px.treemap(c1, labels=p5, values=t5, path=['city'])
g5.show()

Número de muertes en México, debido a armas explosivas en todas sus ciudades

c = df.copy()
c = c[c['country_txt'] == 'Mexico']
c = c[c['weaptype1_txt'] == 'Explosives']
#c = c[c['doubtterr'] == 1]
#c = c[c['iyear'] >= 2010]
p5 = c['city']
t5 = c['nkill']
g5 = px.treemap(c, labels=p5, values=t5, path=['city'])
g5.show()

Número de muertes en Estados unidos, debido a armas explosivas en todas sus ciudades

c = df.copy()
c = c[c['country_txt'] == 'United States']
c = c[c['weaptype1_txt'] == 'Explosives']
c = c[c['doubtterr'] == 0]
c = c[c['iyear'] >= 2010]
p5 = c['city']
t5 = c['nkill']
g5 = px.treemap(c, labels=p5, values=t5, path=['city'])
g5.show()

En esta gráfica podemos apreciar las ciudad de Estados Unidos en las cuales se han usado explosivos en ataques terroristas.

Número de muertes en Afghanistan por ataques terroristas confirmados desde el año 2000

a = df.copy()
a = a[a['country_txt'] == 'Afghanistan']
# a = a[a['weaptype1_txt'] == 'Explosives']
a = a[a['doubtterr'] == 0]
a = a[a['iyear'] >= 2000]
a = a.groupby(['weaptype1_txt'])[['nkill']].sum()
l = ['Explosives','Explosives', 'Firearms', 'Incendiary','Unknown', 'Melee', 'Sabotage Equipment', 'Chemical', 'Other'] #'Vehicle (not include vehicle-borne explosives, i.e., car or truck bombs)']
fig = px.bar(
    data_frame=a,
    x=l,#'weaptype1_txt',
    y='nkill',
    labels={'x':'Tipo de arma', 'y':'Número de muertes'}
)
fig.show()

Comparación De valores entre víctimas, rehenes, terroristas capturados y el tipo de arma en India

Mapa de calor de la relación entre columnas

df_2 = df[df['country_txt'] == 'India']
df_2_2 = df_2.iloc[:, [2, 45, 46, 64, 71]] 
df_2_2=df_2_2.rename(columns={'iday':'Día'})
df_2_2=df_2_2.rename(columns={'weaptype1':'Tipo de arma'})
df_2_2=df_2_2.rename(columns={'nkillter':'Bajas Terroristas'})
df_2_2=df_2_2.rename(columns={'nhostkid':'Secuestrados'})

plt.rcParams['figure.figsize'] = (15.0, 10.0)  # dimensión
sns.heatmap(df_2_2.corr(), annot=True)  # annot_True para presentar el coeficiente de correlación

<AxesSubplot:>

Mapa de calor de la relación entre columnas

df_3 = df[df['country_txt'] == 'India']
df_3_3 = df_3.iloc[:, [2, 20, 45, 46, 63, 64, 71, 74]] 
df_3_3=df_3_3.rename(columns={'iday':'Día'})
df_3_3=df_3_3.rename(columns={'weaptype1':'Tipo de arma'})
df_3_3=df_3_3.rename(columns={'nkillter':'Bajas Terroristas'})
df_3_3=df_3_3.rename(columns={'nhostkid':'Secuestrados'})
df_3_3=df_3_3.rename(columns={'nkill':'Bajas de víctimas'})
df_3_3=df_3_3.rename(columns={'nreleased':'Liberados'})
df_3_3=df_3_3.rename(columns={'suicide':'Suicidos del perpetrador'})

plt.rcParams['figure.figsize'] = (15.0, 12.0)

sns.heatmap(df_3_3.corr(), annot = True) # decimales

<AxesSubplot:>

Gráfica de dispersión donde podemos observar la distribución de muertes por atentados según cada tipo de arma

disp= df.plot(kind='scatter', x='weaptype1_txt', y='nkill')

Comparación De valores entre víctimas, rehenes, terroristas capturados y el tipo de arma en Iraq

Mapa de calor de la relación entre columnas

df_2 = df[df['country_txt'] == 'Iraq']
df_2_2 = df_2.iloc[:, [2, 45, 46, 64, 71]] 
df_2_2=df_2_2.rename(columns={'iday':'Día'})
df_2_2=df_2_2.rename(columns={'weaptype1':'Tipo de arma'})
df_2_2=df_2_2.rename(columns={'nkillter':'Bajas Terroristas'})
df_2_2=df_2_2.rename(columns={'nhostkid':'Secuestrados'})

plt.rcParams['figure.figsize'] = (15.0, 10.0)  # dimensión
sns.heatmap(df_2_2.corr(), annot=True)  # annot_True para presentar el coeficiente de correlación

<AxesSubplot:>

Mapa de calor de la relación entre columnas

df_3 = df[df['country_txt'] == 'Iraq']
df_3_3 = df_3.iloc[:, [2, 20, 45, 46, 63, 64, 71, 74]] 
df_3_3=df_3_3.rename(columns={'iday':'Día'})
df_3_3=df_3_3.rename(columns={'weaptype1':'Tipo de arma'})
df_3_3=df_3_3.rename(columns={'nkillter':'Bajas Terroristas'})
df_3_3=df_3_3.rename(columns={'nhostkid':'Secuestrados'})
df_3_3=df_3_3.rename(columns={'nkill':'Bajas de víctimas'})
df_3_3=df_3_3.rename(columns={'nreleased':'Liberados'})
df_3_3=df_3_3.rename(columns={'suicide':'Suicidos del perpetrador'})

plt.rcParams['figure.figsize'] = (15.0, 12.0)

sns.heatmap(df_3_3.corr(), annot = True) # decimales

<AxesSubplot:>